A mesterséges intelligencia alkalmazhatósága az előrejelzések területén: Módszertani vizsgálat és esettanulmány MI-alapú, nagy nyelvi modellekre épülő szcenáriók készítésére Magyarország népességének várható alakulásáról

Magyarország népessége az 1980-as évektől kezdődően folyamatos csökkenést és elöregedést mutat, amely jelentős társadalmi-gazdasági következményekkel jár. A demográfiai előrejelzések készítése ugyanakkor bizonytalansággal terhelt, mivel az azok alapjául szolgáló paraméterek – születések, halálozások és migráció – jövőbeli alakulása nehezen prognosztizálható. A bizonytalanságok kezelésére a demográfusok különböző forgatókönyveket dolgoznak ki, és ezek alapján végeznek szimulációs számításokat. Ez a helyzet indokolttá teszi annak vizsgálatát, hogy a mesterségesintelligencia- (MI-) eszközök – különösen a nagy nyelvi modellekre épülő asszisztensek (LLM-ek) – hogyan viselkednek, ha azokat hasonló előrejelzési feladat elé állítjuk. Az elmúlt évtizedben ugyanis robbanásszerű fejlődésen mentek keresztül az MI-alapú eszközök, és az LLM-ek már komplex feladatok ellátására is alkalmassá váltak. Az MI-asszisztenseknek a kvantitatív kutatómunkában való alkalmazhatóságáról a nemzetközi szakirodalomban találunk néhány gyakorlatorientált példát, ugyanakkor tudományos kvantitatív kutatásban és különösen a demográfiai előrejelzések területén eddig kevés empirikus tapasztalat áll rendelkezésre. Tanulmányunkban egy kísérlet eredményeit mutatjuk be, amelyben két nagy nyelvi modell – a ChatGPT 5 és a Gemini 2.5 – demográfiai előrejelzésekben való alkalmazhatóságát vizsgáltuk. A modelleket arra kértük, hogy készítsenek Magyarország népességének várható alakulására egy rövid, valamint egy hosszú távú előrejelzést. A vizsgálat során különböző részletezettségű és strukturáltságú promptokat, ún. prompt-mátrixot alkalmaztunk annak feltárására, miként reagálnak az egyes modellek az eltérő inputokra. Az eredmények azt mutatják, hogy rövid időhorizonton a modellek előrejelzései viszonylag megbízhatók, hosszú távon azonban a bizonytalanság jelentősen megnőtt. A migrációs paraméter mindkét modell esetében kritikus tényezőnek bizonyult, bár a Gemininél mérsékeltebb hatást mutatott. Azok a prompt-szintek „tűntek jobbnak” rövid távon, amelyeknél a modell szabadon választhatta meg paramétereit és számítási módszerét, valójában azonban ezek bizonyultak gyengébbnek, mivel ezekben az esetekben a modell inkább a trendek mechanikus követésére szorítkozott, a valós számítási logikát azonban nem sajátította el. Összességében az MI-asszisztensek képesek komplex előrejelzési feladatok látszólagos ellátására, de jelenlegi formájukban elsősorban kiegészítő eszközként alkalmazhatók. Esettanulmányunk azt mutatja, hogy a demográfiai előrejelzések hosszú távú bizonytalanságai nem oldhatók fel, ugyanakkor úgy gondoljuk, hogy a nyelvi modellek hozzájárulhatnak a szcenárióelemzés gazdagításához és a prediktív analitika módszertani fejlődéséhez.

Kulcsszavak: mesterséges intelligencia, nagy nyelvi modellek, MI-asszisztensek, demográfia, előrejelzés, szcenárióelemzés, esettanulmány, prediktív analitika